卫星互联网具备全球广域无缝覆盖能力，是未来陆海空天一体化网络的重要组成部分。首先，讨论了卫星互联网体系架构，包括系统一般组成、组网方式、工作过程等，研究了卫星互联网场景下的宽带和窄带业务模型建模方法，以提取业务的空时分布不均特征；然后，分析了频谱共享中的星间同频干扰问题，初步分析表明未来非地球同步轨道（NGSO）星座间会存在较严重的同频干扰，探讨了低轨卫星波束成形设计和高轨卫星跳波束设计方案，通过高效挖掘空间域资源，可显著提升系统容量；最后，对卫星互联网领域的几个技术发展方向进行了展望。
针对高动态卫星通信中捕获概率受限且计算复杂度大的问题，提出了高动态信号捕获的因子图模型，在模型中将时变多普勒变化率建模为随机游走模型，并进一步提出了Turbo双环迭代捕获算法。在多普勒消除环路中，通过消息传递的方式进行多普勒频偏和多普勒变化率的补偿以消除时变多普勒频偏的影响，同时在码字判决环路中，利用扩频序列码片间的约束关系从接收序列中恢复出发送序列，从而进行迭代判决。仿真结果表明，所提算法相比于传统算法在高动态环境下至少有1.3 dB的捕获性能提升，同时复杂度相对较低。
为了提高低轨卫星下行通信系统的安全性能，引入协作无人机干扰机向窃听者发送干扰信号。为了弥补现有频偏补偿方法的不足，下行传输基于正交时频空技术，将时变频选信道转换为时延多普勒域中近似非衰落的信道，以应对低轨卫星高移动性带来的严重多普勒效应。采用阶矩匹配的方法，求得阴影莱斯分布星地信道叠加和的概率分布函数，进而推导出合法接收端安全中断概率的闭式解。仿真结果验证了相对于正交频分复用方案，采用无人机干扰机可以有效增强保密传输能力，以及应用正交时频空方案对提高下行低轨卫星通信的安全性能的优势。
卫星互联网作为空间信息传输网络，具备广域覆盖、可靠传输的特点，是重要的战略基础设施。信息的全球可达及空间资源的高效利用对路由技术提出了要求，因此对卫星互联网路由技术进行了详细阐述。由于路由策略受系统架构的影响，首先对单层、多层卫星星座体系下的路由技术分别进行了综述；其次考虑路由策略也往往涉及优化问题，因此从时延、带宽、数据分组丢失率、稳健性及资源利用等方面分别对已有研究进行了回顾和介绍；最后对进一步的研究方向进行了展望。
卫星灵活性和机动性强、不易受地面因素的影响，使空间卫星技术不断飞速发展。卫星网络随着负载的增加始终存在负载拥塞现象，使路由算法成为卫星网络研究领域的核心问题。基于卫星网络的拥塞缓解、网络的信令开销以及算法运算复杂度问题，深入研究低轨卫星网络局部负载均衡的分布式路由算法。构建基于铱星系统的网络模型，提出一种基于邻居卫星负载状态的分布式路由算法（DRNL）。DRNL包含邻居卫星负载状态更新、负载均衡和路由判决等机制，具有一定的可移植性，能够适应其他极轨或近极轨星座。OPNET 仿真结果表明， DRNL在较重的网络负载情况下能较好地适应负载的变化，缓解卫星拥塞的状况并获得较低的时延和数据分组丢失率。
基于张量分解框架提出了一种卷积盲源分离方法，同时解决了混合滤波器矩阵估计和频点排序的问题。首先，根据观测信号的估计自相关矩阵构造出所有频点处的张量模型；然后，利用张量分解技术计算出每个频点上对应的因子矩阵作为该频点的估计混合滤波器矩阵；最后，采用以功率比作为测度的全局优化排序策略消除了全频段的排序模糊性。实验表明，所提方法在不同仿真条件下处理卷积混合的实测语音时表现出了比现有算法更优异的分离性能。
针对FDD大规模多输入多输出（MIMO）下行链路系统，提出了一种新型的基于深度学习的压缩感知稀疏信道估计算法，即卷积重构网络（ConCSNet）。在不需要稀疏度的情况下，通过数据驱动的方式，利用ConCSNet求解从测量向量y到信号h的逆变换过程，从而解决压缩感知框架下的欠定最优化问题，实现对原始稀疏信道的重构。仿真结果表明，所提算法能更快速、准确地恢复稀疏度未知的大规模MIMO系统的信道状态信息。
针对 CLEFIA 密码结构，提出一种动态密码结构，该动态密码结构的特点是第 6t(t≥1)轮中的扩散层可以从{0,1}4上的多个线性双射中任意选取。通过对 6 轮差分特征的传递规律的分析，给出了动态密码结构中所有密码结构抵抗差分密码分析能力的评估结果。研究结果表明，在轮函数都是双射的条件下，当迭代轮数l为6k(k≥1)或6k+1(k≥3)时，l轮差分特征至少有l个活动轮函数，当迭代轮数为其他值时，l轮差分特征至少有l-1个活动轮函数。
为了有效解决物联网大数据场景中的决策树隐私分类服务问题，将决策树分类模型与安全多方计算技术相结合，提出了一种高效的决策树隐私分类服务协议。该协议包括：决策树分类模型混淆、基于布尔共享的隐私比较和基于不经意传输的隐私分类结果获取3个阶段。该协议能够同时保护服务提供商决策树分类模型参数及结构特征和用户需要进行分类的特征数据不被泄露。安全性分析表明，所提决策树隐私分类服务协议能够抵抗“诚实好奇”的攻击者。将所提协议用于通过公开数据集得到的决策树分类模型，以分类准确率和完成隐私分类服务的时间效率为指标与现有方法进行对比，实验结果验证了所提出隐私分类服务协议的准确性和高效性。
针对高效视频编码（HEVC）采用的码率控制方法感知率失真性能较低的问题，提出了一种有效提高视频感知率失真性能的帧内码率控制算法。首先，度量视频的空时域复杂度，并结合空时域复杂度设计视频主观观测实验。其次，基于视频主观观测实验结果，结合人类视觉系统相关感知特性，构建能够有效衡量人眼对视频不同区域感知差异性的视频内容空时域感知敏感因子。最后，将空时域感知敏感因子运用到帧内图像最大编码单元层目标比特分配中，实现感知帧内码率控制。实验结果表明，在比特估计准确度和感知率失真性能2个核心指标上，所提算法均明显优于HEVC采用的码率控制算法。
为应对动态主机设置协议在使用过程中遇到的中间人攻击问题，提出一种轻量的解决方案。引入公钥密码技术，设计新的密钥协商算法并产生相关密钥，以减轻密钥存储负担；基于该算法提出安全方案，通过参与方的双向认证防范攻击行为，构造符合协议规范的数字签名确保消息来源。安全分析表明，该算法可有效抵御中间人攻击以及其他常见攻击类型；实验结果表明，所提方案较同类方案具有更好的性能表现，且可同时兼容DHCPv4与DHCPv6。
针对多径环境下信号源相干导致阵列幅相误差校正不准确的问题，提出了一种联合时间反演和主成分分析的阵列幅相误差校正算法。所提算法利用时间反演的空时同步聚焦特性获取目标的回传矩阵信号以抑制多径效应并降低信号源相干性。时间反演的引入使阵列接收到的回传信号矩阵维度增大，从而增加了算法的计算复杂度，因此借助主成分分析思想对修正后的时间反演回传矩阵进行降维重构以降低算法的计算复杂度。仿真结果表明，在多径环境下，所提算法能够以较低的计算复杂度实现对阵列幅相误差的有效校正。
针对交管部门向车辆发布违章消息的问题，提出了一种隐私保护的警告消息发布协议。在该协议中，交通管理部门可以根据车辆的真实身份获取车辆假名，并通过车辆假名向VANET中的车辆发布警告消息。所提协议采用椭圆曲线密码体制，构造了轻量级的警告消息发布和接收过程。此外，所提协议实现了条件隐私保护，能够有效保护警告消息接收车辆的身份隐私。最后，安全性分析表明，所提协议可以满足VANET的安全要求。性能分析表明，所提协议有着较低的计算开销和通信开销。
为了解决知识推荐模型中学习者偏好预测不准确、结构信息利用不充分等问题，针对学习者偏好预测模型中知识结构与学习者行为结构，提出了知识图与行为图混合嵌入的学习者偏好预测模型。首先，考虑使用图卷积的方式拟合结构信息，将图卷积扩展至知识图以及行为图，获取学习者整体性学习规律与个体性学习规律。然后，模型利用知识结构与行为结构的差异性拟合学习者个性化偏好，采用循环神经网络将学习者的过程性偏好进行编码与解码，获得学习者偏好分布。在真实数据集上的实验结果表明，所提模型对拟合学习者偏好效果良好。
雾计算将计算能力和数据分析应用扩展至网络边缘，解决了云计算的时延问题，也为数据的安全性带来新的挑战。基于密文策略的属性加密（CP-ABE）是保证数据机密性与细粒度访问控制的技术，其中双线性配对的计算开销过大制约了其应用与发展。针对此，提出了一种雾计算中基于无配对CP-ABE可验证的访问控制方案，为了使CP-ABE更加高效，使用椭圆曲线加密中的简单标量乘法代替双线性配对，从而减少总体计算开销；将解密操作外包给雾节点来降低用户计算复杂度，根据区块链防篡改可溯源的特性实现了对访问事务的正确性验证并记录访问授权过程。安全性与性能分析表明，所提方案在椭圆曲线的决策DBDH假设下是安全的，且计算效率更高。
针对孪生网络跟踪算法在离线训练阶段学习被跟踪目标和其他对象的嵌入式特征，而这些特征缺少特定于目标的上下文信息，使跟踪算法的稳健性较差的问题，以SiamRPN++作为基准算法，提出了在线目标分类及自适应模板更新的孪生网络跟踪算法。首先，在离线训练阶段设计了互相关特征图监督模块，以学习更具判别力的嵌入式特征；其次，在线跟踪阶段设计了包含注意力机制的在线目标分类模块，在该模块中使用在线滤波器更新策略滤除背景噪声干扰；最后，设计了一种自适应模板更新模块，使用UpdateNet更新目标模板信息。在VOT2018、VOT2019这2个标准数据集上的实验结果验证了所提算法的有效性，相比基准算法SiamRPN++分别带来13.5%和18.2%（EAO）的性能提升。
针对连续使用基于位置的服务（LBS）会造成用户位置隐私泄露的问题，首先基于路网拓扑关系，提出了隐私级别划分算法——RPL算法，对敏感路段进行隐私级别划分。然后，提出差分隐私位置保护机制DPLPM，通过为敏感路段分配隐私预算并添加 Laplace 噪声，实现对位置数据的隐私保护。实验结果表明，所提机制能有效保护位置隐私，具有较高的数据可用性。
针对现有聚类方法中存在的服务表征向量生成质量较差问题，提出了一种面向描述语境特征词与改进GSDMM模型的服务聚类方法。首先，构建了基于语境权重的特征词提取方法，将与服务描述语境契合度高的词语抽取出，构建用于服务表征向量生成的功能特征词集合。然后，建立了带有主题分布概率修正因子的GSDMM模型，实现服务表征向量的生成以及非关键主题项概率分布修正。最后，基于修正后的服务表征向量，采用K-means++算法实现服务聚类。以Programmable Web上真实服务进行了多轮次实验，实验结果表明，采用所提方法生成的服务表征向量质量显著高于其他常用主题模型，所构建的服务聚算法性能优于其他常用算法。
基于近5年网安国际会议（ACM CCS、USENIX Security、NDSS、IEEE S＆amp;P）中发表的物联网安全文献，以及其他部分高水平研究工作，从威胁、检测、防御的视角对物联网安全研究工作进行了系统的整理和分析。首先，介绍了物联网系统的基本架构。然后，将当前研究中提出的主要威胁分为8种类型，并分析了威胁的成因和危害。之后，介绍了针对这些威胁所提出的6种威胁检测和5种防御方案，并对比了它们的技术原理和优缺点。最后，提出了当前研究依然面临的主要挑战，并指出了未来研究发展的方向。
为了解决铁路工程施工安全监测过程中监测数据易被篡改、事故追责时数据真实性可能遭到质疑的问题，提出了一种基于区块链的铁路工程施工安全监测数据共享模型，利用智能合约自动执行的特点保证监测数据上链过程的透明性。针对实用拜占庭容错（PBFT）算法中拜占庭节点与正常节点被选为主节点概率相同的问题，提出了基于信誉积分的实用拜占庭容错算法；针对流式数据上链可能产生网络拥塞的问题，简化了一致性协议，将协议的时间复杂度由O(n2)降为O(n)。利用Hyperledger Caliper进行了对比实验，证明改进算法的时延低于PBFT算法，吞吐量高于PBFT算法；进行攻击可能性和攻击成功概率的量化分析，确定智能合约为链上监测数据提供了防篡改性。对比分析结果证明，所提基于区块链的铁路工程施工安全监测数据共享模型在共识效率、吞吐量和区块生成速度方面优于其他模型。
为提高处理器内核的访存效率和访存命中率，缩短访存时延，可以将具有局部关联关系的指令和数据以群组的方式从内存迁移到处理器片上渗透缓存。指令和数据之间存在的局部性关联关系以及在指令和数据被迁往片上缓存的过程中发生的变化必须从理论的高度予以分析研究。研究结果表明，将指令和数据渗透迁移到片上渗透缓存可以确保及时局部性得到有效保持；仿真实验表明，在完善数据从内存迁往片上渗透的过程中渗透缓存提高了处理器内核的访存命中率。研究成果可为营造片上渗透缓存内及时局部性环境以提高处理器性能提供新的方法。
